Glycaemic index, glycaemic load and ovarian cancer risk: a prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: There is some evidence that plasma insulin levels might influence ovarian cancer risk. Glycaemic index (GI) and glycaemic load (GL) are measures that allow the carbohydrate content of individual foods to be classified according to their postprandial glycaemic effects and hence their effects on circulating insulin levels. Therefore, we examined ovarian cancer risk in association with GI and GL, and intake of dietary carbohydrate and sugar. METHODS: The study was conducted in a prospective cohort of 49 613 Canadian women enrolled in the National Breast Screening Study (NBSS) who completed a self-administered food-frequency questionnaire (FFQ) between 1980 and 1985. Linkages to national mortality and cancer databases yielded data on deaths and cancer incidence, with follow-up ending between 1998 and 2000. Data from the FFQ were used to estimate overall GI and GL, and Cox proportional hazards models were used to estimate hazard ratios (HRs) and 95% confidence intervals (CIs) for the association between energy-adjusted quartile levels of GL, overall GI, total carbohydrates, total sugar and ovarian cancer risk. RESULTS: During a mean 16.4 years of follow-up, we observed 264 incident ovarian cancer cases. GI and total carbohydrate and sugar intakes were not associated with ovarian cancer risk in the total cohort. GL was positively associated with a 72% increase in risk of ovarian cancer (HR=1.72, 95% CI=1.13-2.62, Ptrend=0.01) and the magnitude of the association was slightly greater among postmenopausal (HR=1.89, 95% CI=0.98-3.65, Ptrend=0.03) than among premenopausal women (HR=1.64, 95% CI=0.95-2.88, Ptrend=0.07). CONCLUSIONS: Our data suggest that consumption of diets with high GL values may be associated with increased risk of ovarian cancer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».